基于辅助模型粒子滤波的混沌信号降噪方法

doi:10.3969/j.issn.1000-1093.2015.12.016

兵工学报 ›› 2015, Vol. 36 ›› Issue (12): 2330-2335.doi: 10.3969/j.issn.1000-1093.2015.12.016

基于辅助模型粒子滤波的混沌信号降噪方法

杨宏^1,2，李亚安¹，李国辉^1,2

（1.西北工业大学航海学院陕西西安 710072； 2.西安邮电大学电子工程学院陕西西安 710121）

收稿日期:2015-01-12 修回日期:2015-01-12 上线日期:2016-02-02
通讯作者: 杨宏 E-mail:uestcyhong@163.com
作者简介:杨宏(1980—)，女，副教授，博士研究生
基金资助:
国家自然科学基金项目（51179157）

Noise Reduction of Chaotic Signal Based on Auxiliary Sigma Point Particle Filter

YANG Hong^1,2， LI Ya-an¹， LI Guo-hui^1,2

(1.School of Marin Science and Technology，Northwestern Polytechnical University，Xi’an 710072，Shaanxi，China；2School of Electronic Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121，Shaanxi，China)

Received:2015-01-12 Revised:2015-01-12 Online:2016-02-02
Contact: YANG Hong E-mail:uestcyhong@163.com

摘要/Abstract

摘要： 针对传统的扩展卡尔曼滤波方法和无迹卡尔曼滤波方法不能有效地抑制混沌系统的加性噪声这一问题，给出了辅助模型粒子滤波算法，推导了混沌系统的状态空间描述，提出了一种基于辅助模型粒子滤波的混沌信号降噪方法，并将其用于Lorenz混沌信号的降噪。在叠加高斯噪声情况下对混沌系统进行降噪处理实验。结果表明，所提出的降噪方法对含噪Lorenz混沌信号有着较明显的降噪效果。

关键词: 信息处理技术, 粒子滤波, 混沌信号, 降噪

Abstract: In order to solve the problem of that the traditional extended Kalman filter and unscented Kalman filter methods cannot effectively suppress the additive noise of the chaotic system, an improved particle filter algorithm is presented. The state space description of the chaotic system is derived in detail, and a noise reduction method of chaotic signal based on auxiliary sigma point particle filter is proposed. As an example，Lorenz chaotic signal is used to evaluate the efficiency of the proposed algorithm. The results show that the proposed algorithm has obvious effect on noise reduction for Lorenz chaotic signal with noise.

Key words: information processing technology, particle filter, chaotic signal, noise reduction

中图分类号:

TP391

杨宏，李亚安，李国辉. 基于辅助模型粒子滤波的混沌信号降噪方法[J]. 兵工学报, 2015, 36(12): 2330-2335.

YANG Hong， LI Ya-an， LI Guo-hui. Noise Reduction of Chaotic Signal Based on Auxiliary Sigma Point Particle Filter[J]. Acta Armamentarii, 2015, 36(12): 2330-2335.

参考文献

[1] Cuomo K M，Oppenheim A V. Chaotic signals and systems for communications[C]∥ Proceedings of the International Conference on Acoustics，Speech，and Signal Processing. Minneapolis：IEEE, 1993: 137-140.
[2] Kantz H，Schreiber T. Nonlinear time series analysis[M]. England：Cambridge University Press, 1997.
[3] 郑宏民，李亚安，陈澜. 基于局部投影算法的舰船信号降噪处理研究[J]. 西北工业大学学报，2011，29(4): 569-574.
ZHENG Hong-min，LI Ya-an，CHEN Lan. Noise reduction of ship signals based on the local projective algorithm[J]. Journal of Northwestern Polytechnical University, 2011, 29(4): 569-574. （in Chinese）
[4] 马丽萍，石炎福，余华瑞. 含噪声混沌信号的小波去噪方法研究[J]. 信号处理， 2002，18(1): 83-87.
MA Li-ping，SHI Yan-fu，YU Hua-rui. Study on denoising of chaotic signal using wavelet transform[J]. Signal Processing，2002，18(1): 83-87. （in Chinese）
[5] 王一清，黄惟一，段江海，等．用于混沌信噪分离的Neymark分解的适用性研究[J]. 数据采集与处理，2003，18(4): 393-397.
WANG Yi-qing，HUANG Wei-yi，DUAN Jiang-hai，et al. Research on availability of Neymark decomposition applied to separated chaos signal from noise[J].Journal of Data Acquisition & Processing, 2003, 18(4): 393-397. （in Chinese）
[6] 刘凯，李辉，戴旭初，等．一种新的含噪混沌信号降噪方法[J].电子与信息学报，2008，30(8): 1849-1852.
LIU Kai，LI Hui，DAI Xu-chu，et al. A novel denoising algorithm for contaminated chaotic signals[J]. Journal of Electronics & Information Technology, 2008, 30(8): 1849-1852.（in Chinese）
[7] Walker D M，Mees A I. Reconstructing nonlinear dynamics by extended Kalman filtering[J]. International Journal of Bifurcation and Chaos, 1998, 8(3): 557-570.
[8] Brocker J，Parlitz U，Ogorzalek M. Nonlinear noise reduction[J]. Proceedings of the IEEE , 2002, 90(5): 898-918.
[9] Carpenter J，Clifford P，Fearnhead P. Improved particle filter for nonlinear problems[J]. Radar, Sonar and Navigation，1999, 146(1): 1-7.
[10] 黄金泉，冯敏，鲁峰. 基于自适应粒子滤波的涡扇发动机故障诊断[J]. 航空动力学报，2014，29(6): 1498-1504.
HUANG Jin-quan，FENG Min，LU Feng. Turbo-fan engine fault diagnosis based on adaptive particle filtering[J]. Journal of Aerospace Power, 2014, 29(6): 1498-1504. （in Chinese）
[11] Merwe R V，Wan E A. The squre-root unscented Kalman filter for state and parameter estimation[C]∥ International Conference on Acoustics and Speech Signal Processing.US：IEEE，2001: 3461-3464.
[12] Yang S K，Chen C L，Yau H T. Control of chaos in Lorenz system[J]. Chaos, Solitons and Fractals, 2002, 13(4): 767-780.
[13] Chen M Y，Zhou D H，Shang Y. Integrity control of chaotic systems[J]. Physics Letters A, 2006, 350(3/4): 214-220.

[1]	郭永红，宋彪，赵东阳，李旭光，南怀良. 基于极限学习机模型的粒子滤波无设备定位方法研究[J]. 兵工学报, 2019, 40(8): 1740-1746.
[2]	闫理跃, 王厚军, 刘震. 一种结合噪声辅助技术和现场数据的模拟电路实时可靠度预测方法[J]. 兵工学报, 2019, 40(2): 326-333.
[3]	曾溢良，蓝金辉，邹金霖. 滑动置信度约束的红外弱小目标跟踪算法研究[J]. 兵工学报, 2017, 38(9): 1771-1778.
[4]	李关防，崔杰，袁富宇. 基于线谱瞬时频率估计的被动声纳目标运动分析[J]. 兵工学报, 2017, 38(7): 1395-1401.
[5]	朱甦，薄煜明，何亮. 基于冗余字典的多特征压缩感知目标跟踪算法[J]. 兵工学报, 2017, 38(6): 1140-1146.
[6]	王啸, 韩太林, 张永立, 刘轩, 王义君, 宫玉琳. 多通道瞬态信号自适应变频算法[J]. 兵工学报, 2017, 38(6): 1161-1167.
[7]	张石，张百海，王飞帆，关子霄. 基于跳数量化的无线传感器网络节点定位算法[J]. 兵工学报, 2017, 38(5): 932-939.
[8]	夏平, 任强, 吴涛, 雷帮军. 融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割[J]. 兵工学报, 2017, 38(5): 940-948.
[9]	曹俊，郑翠娥，孙大军，张殿伦. 基于凸优化的水下载体定位研究[J]. 兵工学报, 2017, 38(3): 520-526.
[10]	向颉，茅永兴，郭才发. 船载雷达测速数据的船速修正新方法[J]. 兵工学报, 2017, 38(11): 2268-2273.
[11]	潘江怀，乔慧. 多传感器空间配准的病态性及其稳健估计[J]. 兵工学报, 2017, 38(10): 1965-1973.
[12]	王清，丁赤飚，付琨，任文娟. 基于膨胀运算的移动对象兴趣点检测方法[J]. 兵工学报, 2017, 38(10): 2041-2047.
[13]	李子高，李淑秋，闻疏琳. 一种基于独立成分分析的水下宽带信号波达方位估计方法[J]. 兵工学报, 2017, 38(1): 114-122.
[14]	刘泳庆，蒋硕，于栋，邵晓田. 窄带干扰抑制对码相位测量零值的影响分析[J]. 兵工学报, 2016, 37(2): 293-298.
[15]	管四海, 李智，黄辉，王哲. 带零吸收项的变步长l₀范数归一化最小均方误差算法[J]. 兵工学报, 2016, 37(11): 2170-2176.

基于辅助模型粒子滤波的混沌信号降噪方法

Noise Reduction of Chaotic Signal Based on Auxiliary Sigma Point Particle Filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价